多重共线性的概念 多重共线性的来源与后果 多重共线性检验 多重共线性的修正方法 案例分析 多重共线性的概念 多重共线性的来源与后果 多重共线性的来源 多重共线性的后果 多重共线性检验 多重共线性的修正方法 增加样本观测值 略去不重要的解释变量 用被解释变量的滞后值代替解释变量的滞后值 利用参数之间的关系 利用解释变量之间的关系 变换模型的形式 对数据进行中心化 案例分析

1、了解随机变量的概念； 2、理解离散型随机变量的概念及其分布律的概念和性质； 3、理解连续型随机变量的概念及其概率密度函数的概念和性质；

§1 随机变量的数学期望 §2 随机变量函数的数学期望 §3 随机变量的方差 §4 协方差与相关系数 §5 独立性与不相关性、矩

2.3连续型随机变量 一、连续型rv的概念 定义设是随机变量,若存在一个非负可积函数(x),使得 其中F(x)是它的分布函数则称x是连续型rv,f(x)是它的概率 密度函数(p.d.f.),简记为df

4.4协方差和相关系数 问题对于二维随机变量(X,Y): 已知联合分布 边缘分布 对二维随机变量除每个随机变量各自的概率特性外,相互之间可能还有某种联系问题是用一个怎样的数去反映这种联系

2.3连续型随机变量 连续型rv的概念 定义设是随机变量,若存在一个非负 可积函数(x),使得 其中F(x)是它的分布函数 则称x是连续型rv,f(x)是它的概率 密度函数(p.d.f.),简记为df

经济数学基础 第7章定积分的应用 第四单元可分离变量的微分方程 一、学习目标 通过本节课的学习,掌握可分离变量的微分方程的解法. 二、例题讲解 什么是可分离变量的微分方程,如果一般形式=f(x,y)的微分方程可以变形为y=g1(x)g2(y)

一、随机变量概念的产生 在实际问题中,随机试验的结果可以用数量来表示,由此就产生了随机变量的概念

第二节可分离变量的微分方程 1.可分离变量的微分方程:g(y)dy=f(x)dx 2.可分离变量的微分方程解法

第7章地址和指针 7.1地址和指针的概念 7.2指针变量的定义和指针变量的基类型 7.3给指针变量赋值 7.4对指针变量的操作 7.5指针在函数方面的应用